[論文レビュー] The Jackknife Estimation Method

Avery McIntosh|arXiv (Cornell University)|Jun 1, 2016

Advanced Statistical Methods and Models参考文献 7被引用数 8

ひとこと要約

この論文は、統計的推論におけるバイアス補正および標準誤差推定のためのリサンプリング手法として、ジャックナイフ推定法を提示する。標本から1つの観測値を順次除外し、再計算することで、ブートストラップの線形近似を提供し、特定の条件下では漸近的にブートストラップと等価な分散推定が得られる。

ABSTRACT

Statistical resampling methods have become feasible for parametric estimation, hypothesis testing, and model validation now that the computer is a ubiquitous tool for statisticians. This essay focuses on the resampling technique for parametric estimation known as the Jackknife procedure. To outline the usefulness of the method and its place in the general class of statistical resampling techniques, I will quickly delineate two similar resampling methods: the bootstrap and the permutation test. I then outline the Jackknife method and show an example of its use.

研究の動機と目的

• パrametric推定におけるバイアスおよび標準誤差推定のための、ブートストラップに対する実用的な代替手法としてジャックナイフ法を導入すること。
• 理論的分散公式が困難または利用できない状況における、ジャックナイフの統計的推論における役割を明確にすること。
• 特に確率ベクトルの単体上での線形近似を通じて、ジャックナイフとブートストラップの理論的関係を確立すること。
• 複雑な推定量に対して、計算が容易で漸近的に有効なブートストラップの代替手段としてジャックナイフがどのように機能するかを示すこと。
• 遺伝子セット豊度解析における不安定性の問題に、少ない遺伝子数をもつオントロジークラスのためのジャックナイフベースのp値補正を適用して解決すること。

提案手法

• ジャックナイフは、サイズnの元の標本から1つの観測値を順次除外することで、n個のユニークな標本（ジャックナイフ標本）を生成する。
• 各ジャックナイフ標本に対して、推定量θ̂を再計算し、n個の再現値θ̂(i)を生成する。これによりバイアスおよび標準誤差推定の基盤が構築される。
• ジャックナイフ標準誤差は、SE(θ̂)jack = [(n−1)/n × Σ(θ̂(i) − θ̂(⋅))²]¹ᐟ²で計算され、ここでθ̂(⋅)は再現値の平均である。
• 確率単体上での関数的T(P*)の線形近似T^LINが用いられ、P*は経験的分布を表す。
• 線形近似T^LINの分散が、スケーリング要因を除いてジャックナイフ分散と一致することにより、ジャックナイフとブートストラップの理論的同等性が示される。
• 遺伝子セット豊度解析にジャックナイフを適用し、1つの遺伝子を順次除外してp値を再計算することで、少ない遺伝子数をもつクラスにおける誤検出の可能性を低減する。

実験結果

リサーチクエスチョン

• RQ1 複雑な推定量の標準誤差およびバイアス推定において、ジャックナイフ法はブートストラップ法とどのように比較されるか？
• RQ2 経験的確率ベクトルの単体上でのブートストラップに対するジャックナイフ法の線形近似としての役割は、どのような点で成立するか？
• RQ3 多項分布標本モデル下で、ジャックナイフがブートストラップと漸近的に同等となる理論的根拠は何か？
• RQ4 特に小規模または不安定なオントロジークラスに対して、ジャックナイフ法は統計的推論の信頼性をどのように向上させるか？
• RQ5 ジャックナイフベースのp値補正は、生物学的データ解析における豊度解析結果の安定性および解釈可能性にどのような影響を与えるか？

主な発見

• ジャックナイフは、ブートストラップの正確な計算が、再サンプリングの数が指数関数的に増加するため計算不能な場合に、計算が容易な代替手段を提供する。
• ジャックナイフの分散推定は、単体上での関数的T(P*)の線形近似に対して、漸近的にブートストラップの分散と同等である。
• ジャックナイフ標準誤差は、大標本においてデルタ法と数学的に同等であり、解析的分散公式が利用できない場合の頑健な代替手段を提供する。
• ジャックナイフ法は、少ない遺伝子数をもつカテゴリに対してp値を安定化させ、1遺伝子のヒットによる誤検出を低減する効果がある。
• n=3の場合、ジャックナイフの再現値は、ブートストラップの表面を近似する超平面に位置し、線形近似の分散は、因子(n−1)/nを除いてジャックナイフ分散と一致する。
• ジャックナイフ法は、すべての順列を考慮することで、順列検定における第1種の過誤検出リスクを低減するが、nが大きい場合には通常、モンテカルロサンプリングによる近似が用いられる。